Change search
ReferencesLink to record
Permanent link

Direct link
Clustering User-Behavior in a Collaborative Online Social Network: A Case Study on Quantitative User-Behavior Classification
KTH, School of Computer Science and Communication (CSC).
2016 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Klassificering av användarbeteende i samarbetsbaserade sociala nätverk (Swedish)
Abstract [en]

This thesis investigates how quantitative user data, extracted from server logs, and clustering algorithms can be used to model and understand user-behavior. The thesis also investigates how the results compare to the more traditional method of qualitative user-behavior analysis through interviews and observations. The results show that clustering of all user data, as opposed to interviewing only a small subset of users, increases the reliability of findings. However, the quantitative method has a risk of missing important insights that can only be discovered through observation of the user. The conclusion drawn in this thesis is that a combination of both is necessary to truly understand the user-behavior.

Abstract [sv]

Denna uppsats undersöker hur kvantitativ användardata, extraherad från serverloggar, och klustringsalgoritmer kan användas för att modellera och förstå användarbeteende. Uppsatsen undersöker också hur resultatet av denna metod skiljer sig från resultatet av den mer traditionella kvalitativa metoden för användarbeteendeanalys, baserad på intervjuer och observationer. Resultatet visar att klustring av all användardata, istället för att intervjuer med endast en delmängd av användarna, ökar pålitligheten i analysen. Dock visar resultatet också att den kvantitativa metoden riskerar att missa viktiga insikter som bara kan upptäckas med hjälp av observationer. Slutsatsen är att en kombination av både den kvantitativa och den kvalitativa metoden behövs för att helt kunna förstå användarbeteendet.

Place, publisher, year, edition, pages
Keyword [en]
Clustering, User-Behavior, Online Social Network
National Category
Computer Science
URN: urn:nbn:se:kth:diva-189335OAI: diva2:945762
Subject / course
Computer Science
Educational program
Master of Science in Engineering - Computer Science and Technology
2016-06-21, 09:30 (English)
Available from: 2016-07-04 Created: 2016-07-03 Last updated: 2016-07-04Bibliographically approved

Open Access in DiVA

fulltext(950 kB)59 downloads
File information
File name FULLTEXT01.pdfFile size 950 kBChecksum SHA-512
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Johansson, Andreas
By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 59 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 228 hits
ReferencesLink to record
Permanent link

Direct link